Python re模块(正则表达式)

一、简介

　　正则表达式本身是一种小型的、高度专业化的编程语言，而在python中，通过内嵌集成re模块，程序媛们可以直接调用来实现正则匹配。正则表达式模式被编译成一系列的字节码，然后由用C编写的匹配引擎执行。需导入re模块。强烈建议使用Python的“r”前缀，就不用考虑转义的问题。

二、常用的字符含义

1.预定义字符

字符	含义	举例	结果
\d	数字：[0-9]	a\dc	a1c
\D	非数字：[^\d]	a\Dc	abc
\s	匹配任何空白字符：[<空格>\t\r\n\f\v]	a\sc	a  c
\S	非空白字符：[^\s]	a\Sc	abc
\w	匹配包括下划线在内的任何字字符：[A-Za-z0-9_]	a\wc	abc
\W	匹配非字母字符，即匹配特殊字符	a\Wc	a  c
\b	匹配\w和\W之间，即匹配一个单词边界，也就是指被匹配的内容的左边(\b在左)或右边(\b在右)不能有字母或数字。例如， '\ber\b' ，匹配"er"的左右旁不能有字母或数字。	abc\b	abc%
\B	[^\b]	a\Bbc	abc
\uxxxx	匹配以十六进制数编码的Unicode字符	[\u4e00-\u9fa5]	汉字/中文

2.元字符

字符	含义	举例	结果
普通内容	匹配自身	abc	abc
.	匹配任意字符，除换行符"\n"外(在DOTALL模式中也能匹配换行符)	a.c	abc; a&c
\	转义字符，使后一个字符改变原来的意思	a\.c; a\\c	a.c; a\c
*	匹配前一个字符任意次	abc*	ab; abccc
+	匹配前一个字符至少1次	abc+	abc; abccc
?	匹配前一个字符0次或1次	abc?	ab; abc
^	匹配字符串开头。在多行模式中匹配每一行的开头	^abc	abc
$	匹配字符串末尾，在多行模式中匹配每一行的末尾	abc$	abc
|	或。匹配|左右表达式任意一个，从左到右匹配，如果|没有包括在()中，则它的范围是整个正则表达式	abc|def	abc 或 def
{}	{m}匹配前一个字符m次，{m,n}匹配前一个字符m至n次，若{m,}，则匹配m至无限次	ab{1,2}c	abc; abbc
[]	字符集。对应的位置可以是字符集中任意字符。字符集中的字符可以逐个列出，也可以给出范围，如[abc]或[a-c]。[^abc]表示取反，即非abc。   注：所有特殊字符在字符集中都失去其原有的特殊含义。用\反斜杠转义恢复特殊字符的特殊含义。	a[bcd]e	abe; ace; ade
()	被括起来的表达式将作为分组，从表达式左边开始没遇到一个分组的左括号"("，编号+1.分组表达式作为一个整体，可以后接数量词。表达式中的|仅在该组中有效。	(abc){2}a(123|456)c	abcabc a456c

3.特殊分组

分组	描述	举例	结果
(?P<name>)	分组命名。字母P大写	(?P<id>abc){2}	abcabc
(?P=name)	引用命名分组匹配到的字符串	(?P<id>\d)abc(?P=id)	1abc1; 5abc5
\<number>	引用编号为<number>的分组匹配到字符串	(\d)abc\1	1abc1; 5abc5

三、常用方法

1)re.match(pattern, string, flags)：尝试从字符串的【开头】匹配【一个】模式。
　　text="JGood 666666 is a handsome boy, he is cool, clever, and so on..."
　　m=re.match(r"(\w+)\s", text) #结果是“JGood ”
　　m=re.match(r"\d+", text) #结果是None，因为数字不在开头2)re.search(pattern, string, flags)：在【整个】字符串内查找模式匹配,只到找到第一个匹配就返回。
　　text="JGood 666666 is a handsome boy, he is cool, clever, and so on..."
　　m=re.search(r"\d+", text) #结果是“666666”3)re.findall(pattern, string, flags)：获取字符串中所有匹配的字符串。
　　text="JGood 666666 is a handsome boy, he is cool, clever, and so on..."
　　m=re.findall(r'\e',text) #结果是['e', 'e', 'e', 'e']4)re.finditer(pattern, string, flags)：获取字符串中所有匹配的字符串，并把它们作为一个迭代器返回。5)用正则表达式切分字符串比用固定的字符更灵活，如：re.split(r'\s+', 'a b c') #必须是re包的split()方法。以一个或多个空格切分。6)re.compile(pattern, flags)：把模板pattern编译成正则对象，提高效率。

compile方法flags值	含义
re.S(DOTALL)	使.匹配包括换行在内的所有字符
re.I(IGNORECASE)	使匹配对大小写不敏感
re.L(LOCALE)	做本地化识别(locale-aware)匹配，法语等
re.M(MULTILINE)	多行匹配，影响^和$
re.X(VERBOSE)	该标志通过给予更灵活的格式以便将正则表达式写得更易于理解
re.U	根据Unicode字符集解析字符，这个标志影响\w,\W,\b,\B

7)正则表达式分组：用“()”表示的就是要提取的分组，然后用方法group(num1,num2)返回组号为num1，num2所匹配的字符串，groups()返回所有分组所组成的元组(通常不需参数)。
　　正则匹配默认是贪婪匹配，也就是匹配尽可能多的字符。加问号“?”可以去除贪婪匹配。如：re.match(r'^(\d+?)(0*)$', '102300').groups()

　　至此，转载请注明出处。